استخراج قواعد فازی از داده ها با استفاده از ترکیب الگوریتم ژنتیک و ازدحام ذرات
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۸۹,۰۰۰ 09367292276
شبیه سازی مقاله با عنوان
Design of fuzzy expert system for microarray data classification using a novel Genetic Swarm Algorithm
P.Ganesh KumarوT.Aruldoss Albert Victoireو P.Renukadeviو D.Devaraj
سال انتشار: 2012
مقاله ژورنال
مناسب برای ارائه به عنوان
پروژه آماده یادگیری ماشین (ماشین لرنینگ)
به همراه شبیه سازی در متلب
دسته: کنترل فازی, مهندسی کامپیوتر, یادگیری ماشین برچسب: پروژه آماده فازی, پروژه آماده یادگیری ماشین, شبیه سازی مقاله الگوریتم ژنتیک, شبیه سازی مقاله فازی, شبیه سازی مقاله یادگیری ماشین
09367292276
09367292276
داده های استفاده شده در شبیه سازی مقاله:
مجموعه دادهی Alon et al. برای سرطان Colon به صورت زیر است:
شامل مقدا بیان ژن برای ۲۰۰۰ ژن و ۶۲ فرد نمونه است. از این ۶۲ نفر ۴۰ نفر بیمار هستند و ۲۲ نفر سالم.
سطر اول شماره ژن ها و ستون اول شماره نمونه هاست.
ستون آخر، برچسب نمونهها را نشان میدهد. دادههای با برچسب ۱- سرطانی بودن را نشان میدهند و دادههای با برچسب ۱ از کلاس نمونههای سالم هستند.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
نکته: چون گام Gene selection نمیخواد انجام بشه با توجه به محتویات جدول A1 در مقاله به اون دیتاست Alon et al. و شامل دو هزار ژن بود، احتیاجی نیست. چون اسم ژن ها تو اون دیتاست نبود ما با توجه به اسم ژن های انتخابی، دیتاست رو دوباره وارد فایل اکسل کردیم. استخراج قواعد فازی از همین ده ژن انتخابی در فایل csv ارائه شده کافی است.
توضیحات برای مجموعه داده :
اصل این دیتاست از مقاله Alon et al. 1999 برای دادههای سرطان colon استخراج شده که مشتمل بر مقادیر بیان ژن برای ۲۰۰۰ ژن از ۶۲ نمونه است. ستون آخر این دیتاست گروه مربوط به هر نمونه است. ۱- نشانه بیمار(سرطانی) بودن نمونه و ۱ نشانه سالم بودن نمونه است.
با توجه به بخش ۵.۲، ده ژن از میان ۲۰۰۰ ژنِ دیتاست اصلی انتخاب شدهاند که در جدول A1 ضمیمه مقاله، آمده است. چون که روند اصلی پیادهسازی مقاله روی این ده ژن انجام میگیرد از مجموعه دادهی اصلی دیتای مربوط به آنها را استخراج کردیم و در ضمیمه فایل rar ارائه شده است. روند پیادهسازی شامل فازی کردن دادهها (بخش ۴.۱ در مقاله) ، پیاده سازی الگوریتم ژنتیک و ازدحام ذرات (۴.۲ و ۴.۳ و ۴.۴) و در نهایت استخراج قواعد؛ تنها برای همین مجموعه داده
بهبود الگوریتم smote بر پایه خوشه بندی k-means
۸۰,۰۰۰ 09367292276
بهبود الگوریتم smote بر پایه خوشه بندی k-means
بر اساس پایان نامه
Oversampling for Imbalanced Learning Based on K-Means and SMOTE
Felix Last, Georgios Douzas, Fernando Bacao
به همراه شبیه سازی در پایتون و فایل ویدئویی راهنمای اجرای برنامه
این کار قسمتی از پروژه پایانی کارشناسی ارشد مهندسی کامپیوتر بوده است.
دسته: Uncategorized, پایان نامه, شبیه سازی مقاله کامپیوتر اماده, مهندسی کامپیوتر
09367292276
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.
اولین نفری باشید که دیدگاهی را ارسال می کنید برای “بهبود الگوریتم smote بر پایه خوشه بندی k-means”
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
نشانی ایمیل شما منتشر نخواهد شد. بخشهای موردنیاز علامتگذاری شدهاند *
امتیاز شما
1 2 3 4 5
دیدگاه شما *
نام *
ایمیل *
متن پایان نامه کارشناسی ارشد فناوری اطلاعات: بررسی تاثیر هوش تجاری بر اثربخشی سازمان
۳۲,۹۰۰ 09367292276
خرید و دانلود
متن پایان نامه کارشناسی ارشد رشته IT فناوری اطلاعات
موضوع
بررسی تاثیر هوش تجاری بر اثربخشی سازمان
در 55 صفحه ورد
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
دسته: پایان نامه, تحقیق و سمینار آماده کامپیوتر, مهندسی کامپیوتر برچسب: پایان نامه, سمینار آماده کامپیوتر, سمینار مهندسی کامپیوتر, مهندسی فناوری اطلاعات, هوش تجاری
پروژه آماده طراحی وبسایت برای کتابخانه با استفاده از پایگاه داده
۳۵,۰۰۰ 09367292276
پروژه آماده طراحی سایت
پروژه ساخت وب سایت کتابخانه با قابلیت پایگاه داده و استفاده از PHP, html,css
دسته: پروژه طراحی سایت, مهندسی کامپیوتر برچسب: MYSQL, پایگاه داده, پروزه طراحی سایت, پروژه آماده طراحی سایت, طراحی وب
09367292276
09367292276
این وبسایت دو قسمت مهم دارد
۱- قسمت مدیریت که admin نام دارد
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۲- قسمت کاربر
در قسمت admin که برای متصدی کتابخانه نوشته شده است
قابلیت ایجاد کتاب، تعریف ناشر و تحویل کتاب به کاربر و پس گرفتن کتاب وجود دارد
در قسمت کاربری می توان عضو کتابخانه شد و مشاهده کرد که چه کتابهایی را از کتابخانه قرض گرفته ایم.
نکته: کلیه متن هایی که در صفخاتی همچون صفحه اصلی، درباره کتابخانه
و راهنمای کاربران نوشته شده مفهومی نداشته و از سایت های کتابخانه کپی شده است.
برای ورود به قسمت مدیریتی باید آدرس
http://localhost/library/admin/main
چون وارد سیستم نشده ایم اجازه ورود به ما نداده و خودکار ما را به صفحه ورود می برد.
ایمل ورود
admin@admin.com
و رمز ورود
admin
است.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
نکته: در قسمت مدیریتی ثبت نام نداریم چون معنی ندارد که هر کس خواست در سیستم به عنوان مدیر ثبت نام کند.
نکته دو: یکی از مهمترین قسمت های هر کتاب ناشر آن است. ناشر ها به صورت جدولی جدا طراحی شده اند. علت استفاده از این جدول اضافی بالا بردن پیچیدگی برنامه برای کسب نمره بهتر است.
ولی به صورت منطقی هم می توان گفت در این کتابخانه می توان قابلیت جستجوی پیشرفته تعبیه کرد که البته الان نوشته نشده است.
ولی در آن صورت نیاز است تا کتاب ناشران مختلف را مشاهده کنیم. و این جدول برا آنجا مفید است.
در قسمت اضافه کردن ناشر می توان ناشر جدیدی اضافه کرد و همچنین در پایین صفحه لیستی از کلیه ناشرانی که قبلا اضافه شده اند را میتوان مشاهده کرد.
در نشخه فعلی نمی توان ناشران را حذف یا ویرایش کرد.
نکته دیگر توابع کار با پایگاه داده در پوشه classes و در فایل
connect.php در کلاس conn نوشته شده است.
در پایگاه داده ۴ کار اصلی می توان انجام داد:
ایجاد داده جدید:۱-
این کاربرددر ایجاد ناشر، کتاب استفاده شده.
برای امانت دادن کتاب نیز یک سطر جدید ایجاد می شود.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۲- حذف داده
این مورد در پس دادن کتاب با حذف رکورد مربوطه انججام می شود.
۳- ویرایش داه
در هنگام قرض دادن کتاب ، فیلد تعداد کتاب های موجود یکی کم می شود.
هنگام پس گرفتن یکی زیاد می شود
و این ویرایش داده هاست.
۴- بازیابی داده
در قسمت های نمایش لیست ناشران، نمایش لیست کتاب ها
و خیلی دیگر از جا ها داده بازیابی شده است.
نکات فنی:
برای طراحی ظاهر کار از چارچوب Css به نام bulma استفاده شده است.
سایت رسپانسیو است یعنی در موبایل نیز به خوبی نشان داده می شود.
علت استفاده از این چارچوب زیبایی و رسپانسیو شدن سایت است.
پوشه ها:
admin
کلیه فایل های مربوط به قسمت مدیریتی سایت
classes
کلاس کار با پایگاه داده
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
images
عکس و آیکون های استفاده شده
scripts
فایل های js که این فایل از چارچوب bulma کپی شده است.
styles
فایل های cSS
ریشه اصلی سایت
کلیه فایل های مربوط به کاربر سایت.
نام پایگاه داده library است
پایگاه داده localhost
نام کاربری root
پسورد ندارد
فایل پایگاه داده از wamp
export شده است
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
برای استفاده آن را در PHPMyadmin خود importکنید.
هیچ کتاب یا ناشری در سیستم تعریف نشده است.
لطفا هنگام ایجاد کتاب یا ناشر به نوع فیلد ها توجه
بخش بندی سه بعدی تصاویر پزشکی (قطعه بندی از تصاویر دوبعدی و بازسازی سه بعدی از اتصال آنها به هم
۵۵,۰۰۰ 09367292276
۴۵,۰۰۰ 09367292276
پروژه درس پردازش تصویر
مقدمه و اهمیت موضوع
هدف پژوهش
قطعه بندی دو بعدی
بازسازی سه بعدی از قطعه بندی های دو بعدی
بحث و نتیجه گیری
مقالات مرتبط با این پروژه
Vertebral body segmentation in wide range clinical routine spine MRI data Georg Hille a , ∗, Sylvia Saalfeld a , Steffen Serowy b , Klaus Tönnies a
Variability of manual lumbar spine segmentation Daniel J. Cook, MS a, David A. Gladowski, BS a, Heather N. Acuff a,
Matthew S. Yeager, BS a, Boyle C. Cheng, PhD a,b,*
Segmentation of Anatomical Structures of Spine using Active Contour Models for Assessing Spinal Disorders
Anitha H.1, G. K. Prabhu2,Karunakar A. K.3 and Dinesh K.V. N.4
Hybrid Level-Sets for Vertebral Body Segmentation in Clinical Spine MRI
Georg Hillea,∗, Sylvia Glaßera, Klaus T¨onniesa
دسته: پردازش تصویر, پردازش تصویر, پردازش تصویر, مهندسی برق, مهندسی پزشکی, مهندسی کامپیوتر برچسب: image processing, استخراج هندسه استخوان, الگوریتم snake, پردازش تصویر, تصاویر پزشکی, روش کانتور فعال, قطعه بندی یا بخش بندی (segmentation) تصاویر
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
پروژه درس پردازش تصویر
این پک شامل فایل word راهنما، دو پوشه از نمونه تصاویر پزشکی CT با تعداد اسلایس بالا، یک پوشه از برخی مقالات انگلیسی مرتبط با این پروژه، یک فایل پاورپوینت به صورت ارائه و سه فایل کد matLab هست
توضیحات بطور کامل در فایل ورد راهنما هست
مربوط به زمینه های تحقیقاتی زیر می باشد:
بازسازی سه بعدی تصاویر، مدلسازی سه بعدی از تصاویر دوبعدی، پردازش تصویر، استخراج هندسه استخوان، تصاویر پزشکی (سی تی، رادیوگرافی)، قطعه بندی یا بخش بندی (segmentation) تصاویر، روش کانتور فعال، الگوریتم snake (این سه مورد آخر در واقع اشاره به روشهای تخصصی پردازش تصویر میپردازه)
استخراج قواعد فازی از داده ها با استفاده از ترکیب الگوریتم ژنتیک و ازدحام ذرات
۸۹,۰۰۰ 09367292276
شبیه سازی مقاله با عنوان
Design of fuzzy expert system for microarray data classification using a novel Genetic Swarm Algorithm
P.Ganesh KumarوT.Aruldoss Albert Victoireو P.Renukadeviو D.Devaraj
سال انتشار: 2012
مقاله ژورنال
مناسب برای ارائه به عنوان
پروژه آماده یادگیری ماشین (ماشین لرنینگ)
به همراه شبیه سازی در متلب
دسته: کنترل فازی, مهندسی کامپیوتر, یادگیری ماشین برچسب: پروژه آماده فازی, پروژه آماده یادگیری ماشین, شبیه سازی مقاله الگوریتم ژنتیک, شبیه سازی مقاله فازی, شبیه سازی مقاله یادگیری ماشین
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
داده های استفاده شده در شبیه سازی مقاله:
مجموعه دادهی Alon et al. برای سرطان Colon به صورت زیر است:
شامل مقدا بیان ژن برای ۲۰۰۰ ژن و ۶۲ فرد نمونه است. از این ۶۲ نفر ۴۰ نفر بیمار هستند و ۲۲ نفر سالم.
سطر اول شماره ژن ها و ستون اول شماره نمونه هاست.
ستون آخر، برچسب نمونهها را نشان میدهد. دادههای با برچسب ۱- سرطانی بودن را نشان میدهند و دادههای با برچسب ۱ از کلاس نمونههای سالم هستند.
نکته: چون گام Gene selection نمیخواد انجام بشه با توجه به محتویات جدول A1 در مقاله به اون دیتاست Alon et al. و شامل دو هزار ژن بود، احتیاجی نیست. چون اسم ژن ها تو اون دیتاست نبود ما با توجه به اسم ژن های انتخابی، دیتاست رو دوباره وارد فایل اکسل کردیم. استخراج قواعد فازی از همین ده ژن انتخابی در فایل csv ارائه شده کافی است.
توضیحات برای مجموعه داده :
اصل این دیتاست از مقاله Alon et al. 1999 برای دادههای سرطان colon استخراج شده که مشتمل بر مقادیر بیان ژن برای ۲۰۰۰ ژن از ۶۲ نمونه است. ستون آخر این دیتاست گروه مربوط به هر نمونه است. ۱- نشانه بیمار(سرطانی) بودن نمونه و ۱ نشانه سالم بودن نمونه است.
با توجه به بخش ۵.۲، ده ژن از میان ۲۰۰۰ ژنِ دیتاست اصلی انتخاب شدهاند که در جدول A1 ضمیمه مقاله، آمده است. چون که روند اصلی پیادهسازی مقاله روی این ده ژن انجام میگیرد از مجموعه دادهی اصلی دیتای مربوط به آنها را استخراج کردیم و در ضمیمه فایل rar ارائه شده است. روند پیادهسازی شامل فازی کردن دادهها (بخش ۴.۱ در مقاله) ، پیاده سازی الگوریتم ژنتیک و ازدحام ذرات (۴.۲ و ۴.۳ و ۴.۴) و در نهایت استخراج قواعد؛ تنها برای همین مجموعه داده.
یک روش انتخاب ویژگی دو مرحلهای برای موضوعبندی متن بر اساس مقاله با استفاده از الگوریتم ژنتیک
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۹۹,۰۰۰ 09367292276
شبیه سازی مقاله الگوریتم ژنتیک در متلب
A two-stage feature selection method for text categorization by using information gain, principal component analysis and genetic algorithm
Harun Uğuz
سال انتشار 2011
مقاله ژورنال
موارد زیر برای مقاله ذکر شده بررسی شده است:
توضیح مختصری از مقاله و الگوریتم بیان شده
پیاده سازی الگوریتم بیان شده در مقاله روی دیتاست دلخواه
نمایش نتایج و ارزیابی روش از لحاظ دقت و زمان
مقایسه با نتایج به دست آمده در مقاله
مناسب برای ارائه به عنوان
پروژه آماده الگوریتم ژنتیک
پروژه آماده درس هوش مصنوعی
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
دسته: Uncategorized, الگوریتم ژنتیک, شبیه سازی مقاله, مهندسی برق, مهندسی برق کنترل, مهندسی کامپیوتر برچسب: پروژه آامده الگوریتم ژنتیک, پروژه آماده, پروژه آماده هوش مصنوعی, شبیه سازی مقاله الگوریتم ژنتیک
09367292276
09367292276
نتایج اصلی این مقاله با ۵۰۰ تکرار بدست می آیند که تقریبا ۳ روز نیاز به اجرا دارد.
نتایج توی فایل اکسل ذخیره میشوند.
مدل مسئله بصورتی هست که برای هر روش ۱۰ بار کراس ولیدیشن دارد
با روش ایتفرمیشن جین ده تا حالت داره
حالا برای هر کدوم از این ۱۰۰ تا حالت ۵۰۰ تکرار الگوریتم ژنتیک هم لازم است.
در این مقاله هدف اجرای دو رویکرد دو مرحلهای در دستهبندی متن دنبال شده است. همانطور که در شکل ۱ مشاهده میشود، پس از انجام پیشپردازشهای لازم و تبدیل متن به برداری از ویژگیهای عددی تعریفکننده، ابتدا بهصورت مستقیم و با استفاده از دو مدل دستهبندی شناخته شده KNN و SVM دستهبندی صورت گرفته است. دلیل استفاده از SVM و جایگزینی آن با C4.5 این بوده است که پیادهسازی شخصی این روش (که در پوشه ارسالی نیز موجود است) سرعت اجرایی بسیار پایینی دارد. بنابراین، روش SVM موجود در متلب بهعنوان جایگزین انتخاب شده است. سپس، با استفاده از روش Information Gain (IG) هر یک از مقادیر ویژگی استخراج شده نرمال شدهاند.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com